{"id":{"repo_id":"brazil-ufpe","oai_identifier":"oai:repositorio.ufpe.br:123456789/24585"},"canonical_url":"https://search.dev.ndltd.org/etd/brazil-ufpe/oai:repositorio.ufpe.br:123456789/24585","repository":{"repo_id":"brazil-ufpe","name":"Brazil UFPE","base_url":"https://repositorio.ufpe.br/oai/request"},"display":{"title":"Essays on data transformation and regression analysis","abstract":"Na presente tese de doutorado, apresentamos estimadores dos parâmetros que indexam as transformações de Manly e Box-Cox, usadas para transformar a variável resposta do modelo de regressão linear, e também testes de hipóteses. A tese é composta por quatro capítulos. No Capítulo 2, desenvolvemos dois testes escore para a transformação de Box-Cox e dois testes escore para a transformação de Manly (Ts e Ts0), para estimar os parâmetros das transformações. A principal desvantagem da transformação de Box-Cox é que ela só pode ser aplicada a dados não negativos. Por outro lado, a transformação de Manly pode ser aplicada a qualquer dado real. Utilizamos simulações de Monte Carlo para avaliarmos os desempenhos dos estimadores e testes propostos. O principal resultado é que o teste Ts teve melhor desempenho que o teste Ts0, tanto em tamanho quanto em poder. No Capítulo 3 apresentamos refinamentos para os testes escore desenvolvidos no Capítulo 2 usando o fast double bootstrap. Seu desempenho foi avaliado via simulações de Monte Carlo. O resultado principal é que o teste fast double bootstrap é superior ao teste bootstrap clássico. No Capítulo 4 propusemos sete estimadores não-paramétricos para estimar os parâmetros que indexam as transformações de Box-Cox e Manly, com base em testes de normalidade. Realizamos simulações de Monte Carlo em três casos. Comparamos os desempenhos dos estimadores não-paramétricos com o do estimador de máxima verosimilhança (EMV). No terceiro caso, pelo menos um estimador não-paramétrico apresenta desempenho superior ao EMV.","abstract_html":"Na presente tese de doutorado, apresentamos estimadores dos parâmetros que indexam as transformações de Manly e Box-Cox, usadas para transformar a variável resposta do modelo de regressão linear, e também testes de hipóteses. A tese é composta por quatro capítulos. No Capítulo 2, desenvolvemos dois testes escore para a transformação de Box-Cox e dois testes escore para a transformação de Manly (Ts e Ts0), para estimar os parâmetros das transformações. A principal desvantagem da transformação de Box-Cox é que ela só pode ser aplicada a dados não negativos. Por outro lado, a transformação de Manly pode ser aplicada a qualquer dado real. Utilizamos simulações de Monte Carlo para avaliarmos os desempenhos dos estimadores e testes propostos. O principal resultado é que o teste Ts teve melhor desempenho que o teste Ts0, tanto em tamanho quanto em poder. No Capítulo 3 apresentamos refinamentos para os testes escore desenvolvidos no Capítulo 2 usando o fast double bootstrap. Seu desempenho foi avaliado via simulações de Monte Carlo. O resultado principal é que o teste fast double bootstrap é superior ao teste bootstrap clássico. No Capítulo 4 propusemos sete estimadores não-paramétricos para estimar os parâmetros que indexam as transformações de Box-Cox e Manly, com base em testes de normalidade. Realizamos simulações de Monte Carlo em três casos. Comparamos os desempenhos dos estimadores não-paramétricos com o do estimador de máxima verosimilhança (EMV). No terceiro caso, pelo menos um estimador não-paramétrico apresenta desempenho superior ao EMV.","abstract_has_math":false,"creators":["SILVA, Ana Hermínia Andrade e"],"institution":"Universidade Federal de Pernambuco","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["CRIBARI NETO, Francisco"],"committee_chairs":[],"committee_members":[],"year":2017,"date_issued":"2017-02-14","date_published":"2017-02-14","updated_at":"2026-07-24T01:18:52Z","subjects":["Estatística","Monte Carlo, Método de"],"languages":["eng"],"rights":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"],"identifier_entries":[]},"links":{"outbound_url":"https://repositorio.ufpe.br/handle/123456789/24585","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["CRIBARI NETO, Francisco"]},{"key":"dc:creator","label":"Author","values":["SILVA, Ana Hermínia Andrade e"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2018-05-10T18:25:09Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2018-05-10T18:25:09Z"]},{"key":"dc:date.issued","label":"Date","values":["2017-02-14"]},{"key":"dc:publisher","label":"Institution","values":["Universidade Federal de Pernambuco"]},{"key":"dc:type","label":"Dc Type","values":["doctoralThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Estatística","Monte Carlo, Método de"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["eng"]},{"key":"dc:rights","label":"Dc Rights","values":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://repositorio.ufpe.br/handle/123456789/24585"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Na presente tese de doutorado, apresentamos estimadores dos parâmetros que indexam as transformações de Manly e Box-Cox, usadas para transformar a variável resposta do modelo de regressão linear, e também testes de hipóteses. A tese é composta por quatro capítulos. No Capítulo 2, desenvolvemos dois testes escore para a transformação de Box-Cox e dois testes escore para a transformação de Manly (Ts e Ts0), para estimar os parâmetros das transformações. A principal desvantagem da transformação de Box-Cox é que ela só pode ser aplicada a dados não negativos. Por outro lado, a transformação de Manly pode ser aplicada a qualquer dado real. Utilizamos simulações de Monte Carlo para avaliarmos os desempenhos dos estimadores e testes propostos. O principal resultado é que o teste Ts teve melhor desempenho que o teste Ts0, tanto em tamanho quanto em poder. No Capítulo 3 apresentamos refinamentos para os testes escore desenvolvidos no Capítulo 2 usando o fast double bootstrap. Seu desempenho foi avaliado via simulações de Monte Carlo. O resultado principal é que o teste fast double bootstrap é superior ao teste bootstrap clássico. No Capítulo 4 propusemos sete estimadores não-paramétricos para estimar os parâmetros que indexam as transformações de Box-Cox e Manly, com base em testes de normalidade. Realizamos simulações de Monte Carlo em três casos. Comparamos os desempenhos dos estimadores não-paramétricos com o do estimador de máxima verosimilhança (EMV). No terceiro caso, pelo menos um estimador não-paramétrico apresenta desempenho superior ao EMV."]},{"key":"dc:title","label":"Title","values":["Essays on data transformation and regression analysis"]}]}],"canonical_facts":{"dc:contributor.advisor":["CRIBARI NETO, Francisco"],"dc:creator":["SILVA, Ana Hermínia Andrade e"],"dc:date.accessioned":["2018-05-10T18:25:09Z"],"dc:date.available":["2018-05-10T18:25:09Z"],"dc:date.issued":["2017-02-14"],"dc:description.abstract":["Na presente tese de doutorado, apresentamos estimadores dos parâmetros que indexam as transformações de Manly e Box-Cox, usadas para transformar a variável resposta do modelo de regressão linear, e também testes de hipóteses. A tese é composta por quatro capítulos. No Capítulo 2, desenvolvemos dois testes escore para a transformação de Box-Cox e dois testes escore para a transformação de Manly (Ts e Ts0), para estimar os parâmetros das transformações. A principal desvantagem da transformação de Box-Cox é que ela só pode ser aplicada a dados não negativos. Por outro lado, a transformação de Manly pode ser aplicada a qualquer dado real. Utilizamos simulações de Monte Carlo para avaliarmos os desempenhos dos estimadores e testes propostos. O principal resultado é que o teste Ts teve melhor desempenho que o teste Ts0, tanto em tamanho quanto em poder. No Capítulo 3 apresentamos refinamentos para os testes escore desenvolvidos no Capítulo 2 usando o fast double bootstrap. Seu desempenho foi avaliado via simulações de Monte Carlo. O resultado principal é que o teste fast double bootstrap é superior ao teste bootstrap clássico. No Capítulo 4 propusemos sete estimadores não-paramétricos para estimar os parâmetros que indexam as transformações de Box-Cox e Manly, com base em testes de normalidade. Realizamos simulações de Monte Carlo em três casos. Comparamos os desempenhos dos estimadores não-paramétricos com o do estimador de máxima verosimilhança (EMV). No terceiro caso, pelo menos um estimador não-paramétrico apresenta desempenho superior ao EMV."],"dc:identifier.uri":["https://repositorio.ufpe.br/handle/123456789/24585"],"dc:language.iso":["eng"],"dc:publisher":["Universidade Federal de Pernambuco"],"dc:rights":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"],"dc:subject":["Estatística","Monte Carlo, Método de"],"dc:title":["Essays on data transformation and regression analysis"],"dc:type":["doctoralThesis"]},"updated_at":"2026-07-24T01:18:52Z"}